公开(公告)号：CN117746096A

公开(公告)日：2024-03-22

申请号：CN202311520370.3

申请日：2023-11-15

Applicant: 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)

Inventor： 贝毅君 ,  郭松源 ,  娄恒瑞

IPC: G06V10/764 ,  G06V40/10 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/049 ,  G06N3/08 ,  G06Q50/20

Abstract: 本发明公开了一种基于多模特征融合的在线学习专注度的评估方法，包括：获取带有专注度标签的目标视频，对目标视频进行采样得到目标帧图像，并逐个提取多模特征；将多模特征以不同权重进行融合，再通过卷积运算拼接形成时序特征矩阵，进行时间维度编码，通过多头自注意力模块生成视频的融合特征矩阵；通过线性层映射和激活函数得到预测概率向量；通过训练参数，得到训练后的专注度评估模型；将待评估视频输入到模型中，得到待评估目标视频的预测概率向量，选取最大的概率值对应的专注度标签作为评估结果；优点在于该方法可以很好地融合不同的视觉特征并实现时序对齐，有效提取学习者在线学习时的细粒度特征，评估方法的准确性和鲁棒性高。

公开(公告)号：CN119295841A

公开(公告)日：2025-01-10

申请号：CN202411818625.9

申请日：2024-12-11

Applicant: 浙江大学

Inventor： 冯尊磊 ,  娄恒瑞 ,  申成吉 ,  宋明黎 ,  陈刚

IPC: G06V10/764 ,  G06V10/74 ,  G06V10/82 ,  G06V10/774 ,  G06N3/0464

Abstract: 基于时空分布变化的伪造图片鉴别方法和装置，其方法包括：步骤1:获取任务训练数据，将其划分为训练集和验证集；采用所述训练数据，使用去噪扩散隐式模型去噪采样过程获得相邻噪声图的时序变化数据；获得每个候选判别因子DFactor和时间序列数据#imgabs0#之间的距离，基于KL散度的损失函数从候选DFactor的集合#imgabs1#中获得固定长度为#imgabs2#的最佳DFactor判别因子；采用最佳DFactor判别因子将时序变化数据构建成有向加权的演化图#imgabs3#；采用有向加权的演化图，学习所述时间序列的特征表示；将特征表示与对应的真假标签作为输入，训练分类器，实现伪造图片鉴别。本发明在图片伪造鉴别领域引入时序信息，不依赖于预训练加噪模型，在实际应用场景中有很好的泛化能力。